Cualquiera que me conozca sabe que tengo predilección por el café y pasión por la atención sanitaria. Cuando comencé a trabajar como voluntario en una clínica benéfica, lo primero que traje conmigo fue una máquina de café adecuada. Al poco tiempo, los pacientes empezaron a llamarme “Dr. Brew” porque siempre tengo una taza de café en la mano.
Me encanta el apodo porque, si lo piensas bien, ya sea que hables de café o de atención sanitaria, lo importante es la mezcla. Se necesita la mezcla adecuada de granos para preparar una excelente taza de café. Y se necesita la combinación adecuada de conocimiento clínico, tecnología y empatía para lograr un impacto positivo en la vida de los pacientes.
Mejores interacciones y aumento de la productividad
La clínica apoya a comunidades desatendidas en zonas rurales. Es un equipo de voluntarios, por lo que contamos con personal básico, equipo mínimo y un suministro limitado de medicamentos. Lo único que no nos falta es gente necesitada.
En un entorno como ese necesitas ser lo más eficiente posible. Pero, en cierto modo, entrar en esa clínica es como retroceder en el tiempo. Dependemos de registros en papel y notas escritas a mano, algo muy ineficiente.
Un día, mientras disfrutaba de mi café matutino, se me ocurrió que podríamos utilizar la IA para resumir nuestros registros en papel y ahorrar un tiempo valioso. Comencé a experimentar con modelos de lenguaje grandes y rápidamente se me ocurrió una manera de desglosar un registro en papel escaneado en puntos clave. Encontré una forma de incluir una anécdota personal en cada registro para ayudar a romper el hielo y establecer una relación con el paciente.
Este pequeño proyecto de IA generativa tuvo grandes resultados. Ahora dedicamos menos tiempo a examinar los registros de los pacientes y más tiempo a centrarnos en lo más importante: involucrar, diagnosticar y tratar a los pacientes. Y si puedo hacer todo eso por mi cuenta, en un entorno rural, imagínese lo que un equipo de científicos de datos puede hacer con la IA si se lo propone.
Machine learning para predecir la ausencias a las citas médicas
Varios clientes de InterSystems ya están utilizando AI y ML para aumentar el conocimiento de los datos y mejorar la productividad y la calidad de la atención. El Hospital Oftalmológico Rey Khalid (KKESH), en Arabia Saudita, es un buen ejemplo. Estaban plagados de pacientes que no se presentaban. En un día normal, un alto porcentaje de pacientes simplemente no se presentaba a sus citas programadas.
KKESH intentó todos los trucos habituales (mensajes de texto, recordatorios por correo electrónico y notificaciones de correo de voz) sin éxito. También intentaron hacer overbooking de citas, pero obtuvieron resultados mixtos. Algunos días funcionó bien. Otros días, todos los pacientes programados se presentaban y se producía el caos. Sabían que tenía que haber una forma más científica de abordar este problema.
Con ese fin, trabajamos con KKESH para desarrollar un modelo de machine learning para predecir las ausencias, en función de una variedad de factores de riesgo. Utilizan la información para contactar de manera proactiva a aquellos pacientes que tienen más probabilidades de faltar a una cita. Con el nuevo enfoque basado en datos, KKESH puede programar muchas más citas cada día y evitar innumerables horas de pérdida de productividad del médico.
Análisis predictivo para mejorar la detección y prevención
Otro cliente de InterSystems en Oriente Medio utiliza la IA para mejorar la detección y prevención de la diabetes. Están estudiando cientos de registros de pacientes, analizando diversos rasgos para descubrir indicadores tempranos previamente desconocidos.
El proyecto ayudará a los médicos a identificar mejor a los pacientes con probabilidades de desarrollar diabetes en un plazo de cinco años, para que puedan recomendar cambios de comportamiento y medidas preventivas lo antes posible. Otros hospitales y sistemas sanitarios están trabajando en proyectos similares para la EPOC, el cáncer de mama, la sepsis y otras enfermedades. Las oportunidades son casi ilimitadas.
El análisis predictivo está siendo utilizado por otra organización para identificar a los pacientes que tienen más probabilidades de ser readmitidos en el hospital dentro de los 30 días posteriores al alta. Analizaron cuatro años de datos de pacientes para identificar predictores comunes. Al tomar medidas simples, como ampliar la estancia en el hospital por un solo día, o aclarar y reiterar las instrucciones de alta, se han reducido los reingresos a los 30 días en un 8%. Esto no solo mejora los resultados, sino que también ahorra millones al sistema de salud al evitar las deducciones por reembolso del seguro relacionadas con la readmisión.
Introducción a la IA y al machine learning
Es evidente que la IA es muy prometedora. Hay tantas aplicaciones potenciales para la tecnología que es fácil sentirse abrumado. Mi consejo es ser pragmático. Empezar poco a poco, elegir un par de casos de uso simples, resolver algunos problemas reales y ganar algo de experiencia para asumir un desafío un poco mayor a continuación.
Ya sea que se acuda a la IA para resolver un problema comercial, mejorar un flujo de trabajo o abordar una inquietud clínica, InterSystems tiene las plataformas tecnológicas y la experiencia para resolver los desafíos de la asistencia sanitaria de manera rápida y sencilla. Las soluciones de InterSystems facilitan la adquisición, agregación, preprocesamiento, limpieza y enriquecimiento de datos sanitarios para IA y ML. InterSystems contribuye a acelerar la generación de valor y aprovechar al máximo las inversiones en IA, con una única plataforma que admite una amplia variedad de casos de uso.
